Procesamiento de extractos bancarios mediante IA Make

Lo que hace este módulo

PDF4me Extracto bancario procesado por IA extrae datos financieros estructurados de PDF o extractos bancarios de imágenes dentro de su Make escenario usando IA. Proporcione una declaración y el módulo devolverá Nombre del banco, detalles de la cuenta, período del estado de cuenta, saldos inicial y final, un conjunto completo de transacciones, cheques pagados, patrones de pago recurrentes y análisis de resumen de categorías.Listo para la conciliación bancaria, la previsión de flujos de efectivo, la conciliación de cuentas por cobrar, la detección de fraudes y los flujos de trabajo de préstamos o decisiones crediticias. No requiere configuración de plantillas. Funciona con extractos de los principales bancos de EE. UU., Reino Unido, Europa, India y Canadá, incluidos extractos de varias páginas con más de 50 páginas de actividad.

Entradas de blog relacionadas

Aún no hay ninguna entrada de blog sobre esta función; estará disponible próximamente.

Mientras tanto, echa un vistazo al blog de PDF4me para encontrar tutoriales y flujos de trabajo para todas las plataformas.

Visita el blog →

Autenticando su API Pedido

Cada PDF4me módulo en Make requiere un válido Conexión. Crea o selecciona uno que contenga tu PDF4me API clave para que el escenario pueda autenticar de forma segura las solicitudes de extracción de extractos bancarios mediante IA.

Get your API Key

Datos importantes que no debes perderte

Matriz completa de transacciones, cada partida en cada página.

La IA procesa todo PDF Se trata de una única declaración coherente que devuelve todas las transacciones en orden cronológico. Incluso declaraciones de más de 50 páginas con cientos de transacciones se extraen en una sola llamada, sin necesidad de dividir las páginas manualmente.

Detección automática de patrones para pagos recurrentes

El patrones Este objeto identifica suscripciones, nóminas, facturas periódicas y otras transacciones recurrentes sin necesidad de reglas manuales. Úselo para auditar suscripciones, pronosticar el flujo de caja y detectar cargos recurrentes inesperados antes de que se conviertan en un problema.

Funciona en los principales formatos bancarios globales.

Chase, Wells Fargo, HSBC, Barclays, Deutsche Bank, HDFC, ICICI, RBC y docenas de otros bancos importantes son compatibles de forma predeterminada. Tanto la banca en línea como PDF Se aceptan descargas y declaraciones en papel fotografiadas. PDF, PNG, JPG, o JPEG formato.

Configure el archivo para asignarlo, transfiera el nombre del estado de cuenta y el documento del módulo anterior. La salida muestra la matriz completa de transacciones, saldos, cheques pagados, patrones y análisis resumidos para flujos de trabajo de conciliación.

Parámetros

Requerido: La conexión, el nombre de la declaración y el documento siempre deben proporcionarse. El campo de entrada correspondiente (propiedad binaria, Base64 Contenido o declaración URL) es necesario en función del tipo de datos de entrada elegido.

Parámetro	Requerido	Lo que hace	Ejemplo
Connection	Yes	PDF4me API connection. Click Add and paste your API key the first time. Reused automatically across all PDF4me modules in your scenarios.	My PDF4me connection
Input Data Type	Yes	How the statement file is supplied. Binary Data reads from a previous module (most common). Base64 String accepts encoded payloads. URL downloads from a public link.	Binary Data
Input Binary Field	Conditional	Binary content of the bank statement. Required when Input Data Type is Binary Data. Wire from Dropbox, Google Drive, OneDrive Data field, or any email/HTTP module that returns file bytes.	1. Data
Base64 Statement Content	Conditional	Base64-encoded statement content. Required when Input Data Type is Base64 String. Useful for statements arriving via secure webhook or API integration.	JVBERi0xLjQK...
Statement URL	Conditional	Public URL to the statement file. Required when Input Data Type is URL. The URL must not require authentication.	https://example.com/statement.pdf
Statement Name	Yes	Filename of the statement with proper extension (.pdf, .png, .jpg, .jpeg). Used for format detection and AI processing optimization.	statement-jan-2024.pdf

Campos de salida

Campo	Tipo	Lo que contiene
bankName	String	Name of the issuing bank as printed on the statement header.
accountHolderName	String	Name of the account holder.
accountNumber	String	Bank account number (may appear masked depending on the bank).
accountType	String	Type of bank account: Checking, Savings, Money Market, Credit Card, etc.
statementPeriod	Object	Object with startDate and endDate (ISO 8601) defining the statement window.
balances	Object	Object containing openingBalance, closingBalance, totalDeposits, and totalWithdrawals for the period.
currency	String	Currency code in ISO 4217 format (USD, EUR, GBP, INR, etc.).
transactions	Array	Array of every transaction in chronological order. Each entry contains date, description, amount, and type (debit or credit).
checksPaid	Array	Array of cheques paid during the statement period: useful for cheque-to-statement reconciliation when paired with AI-Process Bank Cheque.
patterns	Object	Pattern analysis identifying recurring transactions (subscriptions, payroll, regular bills) by merchant, amount, and interval.
summary	Object	Summary analytics with category totals (groceries, utilities, payroll, transfers, etc.) and aggregate metrics.
success	Boolean	True if the AI extraction completed successfully; false if it failed.
message	String	Human-readable status message confirming success or describing the error.

Configuración rápida

1. Agregar PDF4me → Extracto bancario procesado por IA a tu Make escenario.
2. Seleccionar Conexión (o haga clic Agregar para crear uno con tu PDF4me API llave).
3. Elegir Tipo de datos de entrada: Datos binarios para archivos de un módulo anterior, Base64 Cuerda o URL.
4. Bajo Archivo, elegir Mapa para mostrar los campos Nombre del extracto y Documento.
5. Mapa Nombre de la declaración al nombre del archivo con extensión (.pdf, .png, .jpg, o .jpeg).
6. Mapa Documento al contenido binario del módulo fuente: normalmente el Datos campo de Dropbox, Google Drive, OneDriveo módulos de archivos adjuntos de correo electrónico.
7. Haga clic Ahorrar y ejecute el escenario. Conecte el paquete de salida a QuickBooks, Xero, Airtable, Google Sheetso cualquier sistema de reconciliación. Utilice un iterador sobre transactions procesar cada línea individualmente.

Ejemplos de flujo de trabajo

Ejemplos de flujo de trabajoCommon Make scenario patterns using AI-Process Bank Statement.

Estado de cuenta mensual → Análisis por IA → Conciliación automatizada

1. Un disparador programado se activa el día 5 de cada mes para procesar el extracto bancario del mes anterior después de que se haya descargado. Dropbox.
2. El extracto bancario procesado por IA extrae saldos, transacciones y cheques pagados para todo el período.
3. A Make El iterador recorre las transacciones. Para cada transacción, se realiza un bucle. QuickBooks El paso de búsqueda busca una transacción coincidente por importe y fecha aproximada.
4. Las transacciones coincidentes se marcan como conciliadas en QuickBooksLas transacciones no coincidentes se enrutan a un Google Sheets pestaña de excepciones para que el contable las revise.
5. A Slack El mensaje de resumen informa sobre el resultado de la conciliación, el total de transacciones coincidentes, el total de transacciones no coincidentes y cualquier patrón detectado (por ejemplo, nuevos cargos recurrentes que requieren investigación).

Solicitud de préstamo → análisis del extracto bancario → decisión crediticia

1. Un solicitante carga 3 meses de extractos bancarios a través de un webhook del portal de préstamos en Make.
2. AI-Process Bank Statement se ejecuta en cada extracto bancario. El objeto resumen proporciona los totales por categoría (ingresos, alquiler, servicio de la deuda); el objeto patrones identifica los ingresos y obligaciones recurrentes.
3. Un paso de Variable de conjunto de herramientas calcula una relación deuda-ingresos a partir de los ingresos recurrentes extraídos frente a los pagos recurrentes de deudas.
4. El enrutador se basa en el índice DTI. Las solicitudes con un índice inferior al 35 % se aprueban automáticamente; las que están entre el 35 % y el 45 % requieren revisión manual; las que superan el 45 % se rechazan automáticamente con un correo electrónico de seguimiento que explica los requisitos.
5. El array de transacciones completo se almacena en Snowflake o BigQuery para la auditoría de cumplimiento y la justificación de la decisión se registra con las métricas de resumen extraídas.

Auditoría de suscripciones → detección de patrones → informe de ahorro de costes

1. Un equipo de finanzas sube el extracto bancario de la empresa a un SharePoint Carpeta una vez al trimestre.
2. El extracto bancario procesado por IA devuelve el objeto de patrones que enumera todos los cargos recurrentes con el comercio, el importe y la frecuencia detectados.
3. A Make Iterador compara cada patrón con un Airtable registro de aprobados SaaS Suscripciones. Los cargos recurrentes desconocidos se señalan como posibles prácticas de TI en la sombra o suscripciones duplicadas.
4. Se genera un informe consolidado que muestra el gasto mensual recurrente total, las suscripciones aprobadas frente a las no aprobadas y un ahorro anual estimado derivado de la cancelación de duplicados.
5. El informe se envía por correo electrónico al director financiero; las suscripciones no autorizadas de alto valor activan Slack Las solicitudes de aprobación se envían a los jefes de departamento para su revisión y posterior aprobación o cancelación.

Preguntas frecuentes

What bank statement fields does AI-Process Bank Statement extract?+

The module returns a complete statement payload: bankName, accountHolderName, accountNumber, accountType (Checking, Savings, Money Market, Credit Card), statementPeriod with startDate and endDate, balances object (opening, closing, total deposits, total withdrawals), currency in ISO 4217 format, a transactions array with date, description, amount, and type (debit or credit) per row, a checksPaid array, a patterns object identifying recurring payments, and a summary object with category totals and analytics.

Does the parser detect recurring payments and patterns automatically?+

Yes. The patterns object in the output identifies recurring transactions: same merchant, similar amount, regular interval, without manual rules. This is useful for subscription auditing, cash-flow forecasting, identifying duplicate SaaS subscriptions, and detecting unexpected recurring charges before they accumulate. The summary object aggregates spend by category (groceries, utilities, payroll, transfers, etc.) for budgeting and financial analysis workflows.

Can the module handle multi-page bank statements?+

Yes. The AI processes the entire PDF: header, opening balance section, all transaction pages, checks paid list, summary section, and closing balance, as a single coherent statement. The transactions array contains every line item across all pages in chronological order. No manual page splitting or merging is required, even for business statements with 50+ pages of activity or three-month consolidated statements.

What banks and statement formats does the module support?+

The AI handles statements from major US banks (Chase, Bank of America, Wells Fargo, Citibank, US Bank), UK banks (HSBC, Barclays, Lloyds, NatWest, Santander), European banks (Deutsche Bank, BNP Paribas, ING, UBS, Credit Suisse), Indian banks (HDFC, ICICI, SBI, Axis, Kotak), Canadian banks (RBC, TD, BMO, Scotiabank), Australian banks (CBA, ANZ, Westpac), and many regional and online banks. Both digital PDFs downloaded from online banking and photographed paper statements are supported in PDF, PNG, JPG, and JPEG formats.

How do I match bank statement transactions to invoices and cheques for reconciliation?+

Add a Make Iterator after AI-Process Bank Statement to loop over the transactions array. For each transaction, run a lookup against your invoice register in Airtable, Google Sheets, QuickBooks, or your accounting API to find an invoice matching the amount and approximate date. The checksPaid array is especially useful: match each entry to records from AI-Process Bank Cheque for end-to-end cheque reconciliation. Unmatched transactions go to an exceptions queue in Slack or Airtable for manual bookkeeper review.

Módulos relacionados

Cheque bancario procesado por IA

Extraer los detalles de cada cheque individual y hacer coincidir cada cheque con la entrada correspondiente en la matriz checksPaid del extracto para una conciliación de cheques completa.

Analizador de facturas con IA

Extraiga los campos de la factura, compare los importes y las fechas de la factura con las transacciones del extracto bancario para la conciliación automatizada de pagos.

Recibo de nómina procesado por IA

Analizar las nóminas de los empleados y combinarlas con los extractos bancarios para la verificación de ingresos en los procesos de concesión de préstamos, selección de inquilinos y verificación de identidad del cliente (KYC).

Obtén ayuda

Make IntegrationGet your API KeyMake Documentation